OpenMontage 自称"第一个开源的 agentic 视频生产系统"，Star 数超过 5.3 万，单日新增 1,144，GitHub 给它挂了 Trending 榜单第一的徽章。它不提供网页版生成器，也不发布自己的模型，而是把一整套视频制片流程装进一个仓库：开发者用现成的 AI 编码代理（Claude Code、Cursor、Copilot、Windsurf、Codex 均可）打开项目，用自然语言下指令，代理负责调研、写脚本、生成素材、剪辑和合成，最后输出一条成片。项目采用 AGPLv3 协议。
编排器去哪了：代理即流水线
常见的生成式视频自动化有三种做法：n8n 这类节点式工作流、ComfyUI 的图编排，以及团队自研的 pipeline 框架，共同点是把流程写死在代码或图结构里。OpenMontage 走了第四条路：仓库里没有代码编排器，Python 只提供工具函数和持久化，编排逻辑全部放在 YAML 清单和 Markdown 技能文件里，由编码代理在运行时读取并执行。
项目把知识拆成三层。第一层是 tools/ 加 pipeline_defs/，回答"有什么"：100 多个注册工具，覆盖视频生成、图像、语音合成、音乐、混音、字幕、增强、转写分析等类别，外加每条流水线的 YAML 清单；第二层是 skills/，回答"怎么用"：每个阶段有一份 director skill，用 Markdown 写明执行步骤、自检项和质量标准；第三层是 .agents/skills/，存放外部技术知识包，每个工具声明自己依赖哪些包。代理先读清单知道可用的能力，再读技能知道项目约定的质量线，遇到不熟的供应商再去查知识包。
这套设计把流程可靠性押在提示词工程上：代理对技能文件的遵循是概率性的，后文会回到它的代价。
七个阶段，四道闸门
每条流水线遵循同一个结构化流程：research -> proposal -> script -> scene_plan -> assets -> edit -> compose。三个细节值得单独拆开。
调研是一等公民阶段。写脚本之前，代理先去搜 YouTube、Reddit、Hacker News、新闻站和学术来源，收集数据点、受众问题和视觉参考，产出一份带引用的 research brief。脚本的每个论断都能往回追到这份简报。
状态检查点贯穿全程。代理在每个阶段把状态写成 JSON，包含决策日志和成本快照，中断后可以从任意检查点恢复，不用从头烧钱。
闸门是硬性的。创意决策点暂停等人工批准；合成前有一道 pre-compose validation gate，检查交付承诺、幻灯片风险和渲染器选择；渲染交给 Remotion（用 React 写视频时间线）或 FFmpeg，按视觉语法匹配；渲染完成后再跑一轮自检，用 ffprobe 验证文件、抽样抽帧、分析音频电平、核对脚本里承诺过的内容，全部通过才交付最终视频。脚本产物还要过 20 多套 JSON Schema 的契约校验。
Backlot：给代理的运行过程开一扇窗
聊天窗口只能告诉用户代理"说了什么"，Backlot 是项目的可视化看板，展示代理"正在做什么"。生产开始时自动打开，看板内容全部从流水线写下的项目文件推导，不需要额外配置。
从官方截图可以看到三层信息。顶部是七阶段进度条和实时花费（示例里是 0.08 美元，预算上限 4 美元）；右侧决策面板展示每一次供应商选择的分数和理由，比如合成引擎选了 Remotion、评分 0.83、落选者是 HyperFrames，图像生成选了 flux_image、评分 0.9、落选者是 gpt-image-1；活动流逐条列出每次生成的耗时和成本，flux_image 的一次生成是 18.4 秒、0.04 美元。分镜接触表则在渲染前暂停，每张卡片带 prompt、成本、质量分和候选 take，用户批准之后才进入合成。
供应商打分覆盖 7 个维度，加上"also considered"的落选记录，代理的每次选择都留了审计痕迹。对排查"为什么这条片子画质不行"这类问题，决策日志比重新跑一遍有效得多。
成本阶梯：从零美元到本地 GPU
docs/PROVIDERS.md 给出一份 15 级配置阶梯，免费路径足够跑通全流程。零成本层包括 Pexels 和 Pixabay 的素材库、Google TTS 的三档免费额度（Standard、WaveNet、Neural2 各自每月 100 万字符，加起来约 250 分钟以上的旁白）、ElevenLabs 每月 1 万字符、以及 Piper 本地离线语音合成。付费入门层是按张计价的图像生成：fal.ai 约 0.03 美元一张，Google Imagen 约 0.04 美元，OpenAI GPT Image 2 约 0.05 美元。云端视频生成的价位明显更高，Gemini Omni Flash 一个 8 秒片段约 0.80 美元且仅限付费档，Runway 每月 12 美元。顶层是本地 GPU 路径，支持 WAN 2.1/2.2、Hunyuan 1.5、LTX、CogVideo-5b 等开源模型，也支持接入本地 ComfyUI。
成本估算在提交给供应商之前完成，文档里写明一条原则：未知定价不按免费处理。官方展示片公开了每条的账单：60 秒动画短片 The Last Banana 成本 1.33 美元，由 6 段 Kling v3 生成片段、Chirp3-HD 旁白、免版税钢琴曲和词级字幕经 Remotion 合成；50 秒竖屏概念片约 4 美元；七段世界展示片的源生成成本约 5 美元。
完全不想付钱的路径也存在。Documentary Montage 流水线从 Pexels、Archive.org、NASA、Wikimedia、Unsplash 这些开放档案建素材语料库，用 CLIP 做语义检索和排序，剪成时间线，全程不调用任何付费生成 API。
边界在哪
部署门槛不高：Python 3.10 以上、FFmpeg、Node 18 以上，make setup 一步完成。真正的约束在别处。生成片段的时长和画质仍受底层模型限制，10 秒级的镜头是常态；整套系统的可靠性取决于编码代理对 Markdown 技能的遵循程度，这是概率性的执行，与确定性流水线的失败模式不同，跑偏时需要人来纠正；AGPLv3 对想把它集成进商业产品的团队有传染性约束，需要法务过目。
对个人开发者，它演示了一种可复用的模式：把领域流程拆成清单、技能和工具三层，让通用编码代理充当执行器，用 Schema 校验、审批门和渲染后自检兜住质量。仓库在 github.com/calesthio/OpenMontage，README 里的示例 prompt 标注了预期成本，make demo 可以零配置渲染演示视频。